Rozpoznávání typů automobilů pomocí konvolučních neuronových sítí
Car Type Recognition Using Convolutional Neural Networks
Typ dokumentu
diplomová prácemaster thesis
Autor
Kryštof Filip
Vedoucí práce
Majerová Dana
Oponent práce
Strachota Pavel
Studijní program
Aplikace informatiky v přírodních vědáchInstituce přidělující hodnost
katedra softwarového inženýrstvíPráva
A university thesis is a work protected by the Copyright Act. Extracts, copies and transcripts of the thesis are allowed for personal use only and at one?s own expense. The use of thesis should be in compliance with the Copyright Act http://www.mkcr.cz/assets/autorske-pravo/01-3982006.pdf and the citation ethics http://knihovny.cvut.cz/vychova/vskp.htmlVysokoškolská závěrečná práce je dílo chráněné autorským zákonem. Je možné pořizovat z něj na své náklady a pro svoji osobní potřebu výpisy, opisy a rozmnoženiny. Jeho využití musí být v souladu s autorským zákonem http://www.mkcr.cz/assets/autorske-pravo/01-3982006.pdf a citační etikou http://knihovny.cvut.cz/vychova/vskp.html
Metadata
Zobrazit celý záznamAbstrakt
V posledních letech se konvoluční neuronové sítě stávají stále populárnějšími skrz všemi obory. Předtrénované sítě dosahují slibných výsledků při klasifikaci obrázků. Tato práce porovnává výkon klasifikace různých typů automobilů pěti předtrénovaných (Googlenet, Alexnet, Squeezenet, Resnet-50 a DarkNet19) a několika dalších konvolučních neuronových sítí. Pomocí různých webscrapainogvých technik, zahrnující scraping Google obrázků, Bing obrázků, sítě Pinterest a webových inzertních stránek bylo získáno tisíce snímků pro každou kategorii. Empirické výsledky ukazují, že určité sítě mají v této specifické klasifikační úloze lepší výsledky než jiné. Tato práce poskytne kompletní výsledky a podrobnosti o použité metodologii. In recent years, convolutional neural networks have become increasingly popular in various fields, and pre-trained models have shown promising results in image classification tasks. This contribution compares the performance of five pre-trained (Googlenet, Alexnet, Squeezenet, Resnet-50 and DarkNet19) and several other convolutional neural networks in distinguishing between different car species. Thousands of images per category were obtained from various sources using different web scraping techniques, including Google images, Bing images, Pinterest, second-hand and advertising sites. Our empirical results show that certain models outperform others in this specific classification task. This work will provide complete results and further details on the methodology.